본문으로 건너뛰기

WeatherNext 3 — 5km 해상도, 매시간 15일 예보

Google DeepMind가 9월 3일 공개한 WeatherNext 3는 위성 관측을 직접 입력받아 5km·매시간 예보를 냅니다. 5배 선명해진 해상도와 강수 정확도 개선 폭을 발표·논문 기준으로 정리했습니다.

AI피셜 편집부· 2분 읽기원문 보기 ↗
2004년 3월 국제우주정거장에서 촬영한 남대서양 사이클론 카타리나의 나선 구름과 눈
사진: Astronaut photograph ISS008-E-19646 was taken March 7, 2004, with a Kodak DCS760 · Public domain

핵심 답변

Google DeepMind는 2026년 9월 3일 WeatherNext 3를 공개했습니다. 정지궤도 위성 모자이크를 직접 입력받는 단일 FGN 메시 트랜스포머로, 지표 기온·습도 5km(기타 지표 10km·대기 25km) 해상도의 15일 확률 예보를 64개 앙상블로 매시간 갱신하며, 강수 예보의 CRPS를 IMERG 대비 최대 60% 개선했습니다.

TL;DR세 줄 요약

  • 해상도가 이전 모델(25km)보다 5배 선명해져 지표 기온·습도는 5km, 기타 지표 변수 10km, 대기 변수 25km입니다.
  • 6시간 간격이던 예보가 매시간 갱신되고, 15일 확률 예보를 64개 앙상블 멤버로 냅니다.
  • 강수 CRPS는 IMERG 대비 60%, MRMS 대비 30%, 우량계 대비 10% 개선됐고, 하루 이상 선행 예보는 최대 50% 정확해졌습니다.
  • Google 검색·Gemini 앱·Maps·Maps Platform Weather API·Earth Engine에 적용되고, 데이터는 BigQuery·Earth Engine·Cloud Storage로 받습니다.

핵심 사실

발표일
2026-09-03Google 블로그, arXiv 제출 같은 날
해상도
5 / 10 / 25 km지표 기온·습도 / 기타 지표 / 대기
갱신 주기
매시간이전 모델은 6시간
예보 기간 / 앙상블
15일 / 64멤버
강수 CRPS 개선
최대 60%IMERG 기준. MRMS 30%, 우량계 10%
논문
arXiv:2609.03582Rasp 외 25인

무슨 일인가요

Google DeepMind가 2026년 9월 3일 WeatherNext 3를 공개했습니다. 같은 날 arXiv에 올라온 논문 제목은 "WeatherNext 3: Increasing resolution and performance of global weather models with raw observations"로, Stephan Rasp를 제1저자로 26명이 이름을 올렸습니다. 논문 핵심은 제목 그대로 "원시 관측"입니다. 전통적인 재분석장에 더해 실시간 정지궤도 위성 모자이크를 직접 입력받아, "지속적으로 갱신되는 풍부한 대기의 시야"를 얻는다고 Google은 설명합니다. 공식

결과는 두 가지 숫자로 요약됩니다. 해상도는 이전 모델보다 "5배 선명"해졌고, 예보는 6시간 간격에서 매시간 갱신으로 바뀌었습니다. 공식

무엇이 달라졌나

항목WeatherNext 2WeatherNext 3
해상도25km (0.25°)지표 기온·습도 5km · 기타 지표 10km · 대기 25km
갱신 주기6시간매시간
예보 기간 / 앙상블15일 / 64멤버
입력분석장분석장 + 실시간 정지궤도 위성 모자이크
추가 출력태양 복사, 운량, 100m 풍속

위 표의 WeatherNext 3 수치는 Google 블로그와 개발자 문서 기준이며, 논문 초록은 공간 해상도를 0.1°, 시간 해상도를 1시간으로 적고 "경쟁 글로벌 모델보다 실질적으로 낮은 오차"를 주장합니다. 논문 강수 예보의 개선 폭은 비교 기준에 따라 크게 다릅니다. 공식

강수 예보 CRPS 개선율 — 비교 기준별
0%25%50%75%100%IMERG (위성)MRMS (레이더)우량계60%30%10%
강수 예보 CRPS 개선율 — 비교 기준별
항목CRPS 개선
IMERG (위성)60%
MRMS (레이더)30%
우량계10%

출처: Google 블로그 'Introducing WeatherNext 3'. 우량계는 초기 리드타임 기준

Google은 하루 이상 앞선 예보에서 강수 정확도가 "최대 50%" 좋아졌다고도 적었습니다. 공식 60%와 10%의 차이는 비교 대상의 성격 차이로 읽는 편이 맞습니다. 위성 강수 산출물(IMERG)은 원래 오차가 커서 개선 폭이 크게 잡히고, 지상 우량계는 가장 엄격한 기준이라 폭이 작습니다. 추정

산 정상에 세워진 흰색 돔형 기상 레이더와 관측소 건물
개선 폭을 재는 기준 중 하나인 레이더 관측망(MRMS)도 이런 지상 레이더에서 나옵니다. 사진은 스위스 필라투스산 정상의 기상 레이더와 관측소입니다.· 사진: Schutz · CC BY-SA 3.0

어떻게 만들었나

WeatherNext 3의 예보 파이프라인
  1. 입력

    전통 분석장 + 실시간 정지궤도 위성 모자이크(매시간)

  2. 단일 FGN 메시 트랜스포머

    하나의 유연한 Functional Generative Network

  3. 확률 예보

    15일, 64 앙상블 멤버, 매시간 갱신

  4. 제품·데이터

    검색·Gemini·Maps·Weather API / BigQuery·Earth Engine·GCS

모델은 "단일의 유연한 Functional Generative Network(FGN) 메시 트랜스포머" 하나로 구성됩니다. 공식 개발자 문서는 실시간·과거 운영 예보 데이터를 Cloud Storage(Zarr)·Earth Engine·BigQuery로 제공하고, GitHub에 오픈소스 모델이 있다고 안내합니다. 공식 검증은 Weather Lab 실시간 시각화와 Brightband의 독립 평가 리더보드로 열어 두었습니다. 공식

어디서 쓰나

Google 검색, Gemini 앱, Google Maps, Google Maps Platform Weather API, Google Earth Engine에 적용됩니다. 공식 즉 일반 사용자는 검색창과 지도에서, 개발자는 API와 데이터 웨어하우스에서 같은 모델의 출력을 받게 됩니다.

자주 묻는 질문

WeatherNext 3는 무엇이 새롭나요?
실시간 정지궤도 위성 모자이크를 전통적 분석장과 함께 직접 입력받는 단일 Functional Generative Network(FGN) 메시 트랜스포머입니다. 해상도가 5배 선명해졌고 예보 갱신이 6시간에서 1시간으로 짧아졌으며, 태양 복사·운량 같은 단일 층 변수와 100m 풍속도 냅니다.
일반 사용자는 어디서 보나요?
Google 검색, Gemini 앱, Google Maps의 날씨에 반영되고, 개발자는 Maps Platform Weather API나 Earth Engine·BigQuery·Cloud Storage(Zarr)로 데이터를 받습니다. Google은 공식 예보·기상 특보는 각국 기상청을 참고하라는 면책 문구를 함께 달았습니다.
한계는 없나요?
Google은 '대기는 언제나 어느 정도의 예측 불가능성을 갖는다'고 밝혔고, 개선 수치는 기준 데이터(IMERG·MRMS·우량계)에 따라 60%에서 10%까지 크게 다릅니다. 논문 본문의 상세 검증 결과는 이 글에서 확인하지 못했습니다.

출처 · 3

  1. 1Introducing WeatherNext 3, our most advanced and accurate global weather AI model (Google 블로그)공식 발표blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-weathernext-3/
  2. 2WeatherNext 3: Increasing resolution and performance of global weather models with raw observations (arXiv)논문arxiv.org/abs/2609.03582
  3. 3WeatherNext 개발자 문서 (Google for Developers)공식 발표developers.google.com/weathernext

이 글의 마크다운 원문: /posts/weathernext-3-hourly-forecast/md/ · 인용 시 출처를 “AI피셜”으로 표기해 주세요.

이 글이 도움이 됐다면 동료에게 보내 주세요.

AI피셜 새 글 알림

새 글이 올라오면 메일로 알려드려요

매일 5편, 5분 브리프. 스팸 없이 새 글 소식만. 언제든 한 번에 해지.

같은 태그·카테고리의 글을 골랐습니다.

논문 한입· 2

프런티어 모델 22종, 화학 벤치마크 답을 '외워서' 냈다

독일 연구진이 LLM 22종을 분자 물성 회귀 벤치마크 12개에서 자릿수 단위로 검사해, 5개 데이터셋에서 모델 절반 이상이 공개된 값을 그대로 꺼내 쓴다는 것을 보였습니다. 방법과 한계를 정리했습니다.

  • #논문
  • #벤치마크
  • #평가
논문 한입· 2

모델을 바꾸면 에이전트 메모리가 깨진다 — 최대 13%p

LinkedIn 연구진이 에이전트 메모리 4가지 구조가 모델 교체를 얼마나 견디는지 통제 실험했습니다. 요약 노트는 최대 13.28%p 흔들렸고 고정 스키마 그래프는 거의 변하지 않았습니다.

  • #논문
  • #에이전트
  • #메모리